基于补偿滑模神经网络的某炮控系统位置控制

TP249; 针对某炮控系统存在较强的非线性和不确定性特征,提出了基于补偿滑模的自组织神经网络控制策略.引入了补偿滑模面设计方法,构成了自组织神经网络控制器和辅助补偿器.自组织神经网络控制器由Hermite多项式、变结构神经网络和神经元参数自学习算法构成,其减小了计算复杂度,提高了自适应能力;梯度下降法对神经网络的参数进行自学习,提高了系统的收敛速度;辅助补偿器的引入进一步减小了系统稳态误差,满足了该炮控系统的基本指标要求,保证了系统在Lyapunov意义下的稳定性和鲁棒性.半实物仿真试验表明:该控制策略有效地提高了系统的控制精确度和鲁棒性,减小了外界干扰对系统性能的影响....

Full description

Saved in:
Bibliographic Details
Published in电机与控制学报 Vol. 22; no. 6; pp. 114 - 122
Main Authors 王超, 周勇军, 闫守成, 周文君, 张德磊, 唐雄
Format Journal Article
LanguageChinese
Published 中国电子科技集团公司第二十八研究所,江苏南京,210007%中国人民解放军63983部队,江苏无锡,214035 01.06.2018
Subjects
self-organizing
炮控系统
补偿滑模面
Lyapunov stability
Lyapunov稳定
自组织
神经网络
complementary sliding modes
neural network
gun control system
Online AccessGet full text
ISSN1007-449X
DOI10.15938/j.emc.2018.06.013

Cover

More Information
Summary:TP249; 针对某炮控系统存在较强的非线性和不确定性特征,提出了基于补偿滑模的自组织神经网络控制策略.引入了补偿滑模面设计方法,构成了自组织神经网络控制器和辅助补偿器.自组织神经网络控制器由Hermite多项式、变结构神经网络和神经元参数自学习算法构成,其减小了计算复杂度,提高了自适应能力;梯度下降法对神经网络的参数进行自学习,提高了系统的收敛速度;辅助补偿器的引入进一步减小了系统稳态误差,满足了该炮控系统的基本指标要求,保证了系统在Lyapunov意义下的稳定性和鲁棒性.半实物仿真试验表明:该控制策略有效地提高了系统的控制精确度和鲁棒性,减小了外界干扰对系统性能的影响.
ISSN:1007-449X
DOI:10.15938/j.emc.2018.06.013